Subregional tumorsegmentering baseret på CEUS-perfusionskarakteristika: Forbedring af brysttumordiagnose

Brystkræft er en af ​​de mest udbredte kræftformer blandt kvinder globalt, og dens stigende forekomst udgør en betydelig trussel mod kvinders sundhed. På trods af bemærkelsesværdige fremskridt inden for tidlig diagnosticering og behandling på grund af de kontinuerlige fremskridt inden for medicinsk teknologi, resulterer den høje heterogenitet inden for brystkræft stadig i betydelig variation i kliniske manifestationer, behandlingsresponser og sygdomsprogression. Denne mangfoldighed giver nye udfordringer med hensyn til at opnå præcis behandling. Derfor er en dybtgående udforskning og undersøgelse af brystkræftens heterogenitet afgørende for at udvikle mere effektive diagnostiske modeller, fremme behandlingsstrategier og øge helbredelsesraten.

I den nuværende kliniske praksis er biopsi i vid udstrækning brugt til diagnosticering af benigne eller ondartede brysttumorer, men dens nøjagtighed og omfang er noget begrænset på grund af brystkræftens komplekse interne heterogenitet og procedurens invasive karakter. I de senere år er præoperativ kvalitativ diagnose af brystkræft ved hjælp af medicinsk billedteknologi blevet et varmt emne i forskningen. Sammenlignet med andre almindelige billeddannelsesteknikker såsom CT og MR, anvendes ultralydsundersøgelse i vid udstrækning på grund af dens sikkerhed, bekvemmelighed og lavere omkostninger. Især Contrast-Enhanced Ultrasound (CEUS) teknologi kan med sin overlegne tidsmæssige opløsning levende illustrere detaljerne i tumorperfusionshæmodynamikken og effektivt afsløre nøglefunktioner såsom forbedringsmønstre, blodforsyning og vaskulær invasion af tumoren.

Denne undersøgelse er dedikeret til at bruge dynamiske CEUS-videoer til at klynge perfusionskarakteristika på pixelniveau i tumoren og opdele tumoren i forskellige underregioner baseret på klyngeresultaterne. Vi vil udforske sammenhængen mellem disse perfusionssubregioner og diagnosen af ​​benigne eller ondartede brysttumorer, og baseret på dette udvikle relaterede diagnostiske modeller. Denne ikke-invasive diagnostiske tilgang har til formål at mine og udnytte billeddata maksimalt, omfattende at fange tumorens perfusionskarakteristika på pixelniveau og reducere subjektive vurderinger i den diagnostiske proces. Anvendelsen af ​​denne metode forventes ikke kun at forbedre nøjagtigheden af ​​brystkræftdiagnostik, men også at give mere informationsstøtte til personlig behandling af patienter og derved fremme fremskridt inden for brystkræftbehandling.